Pyparsing - 规则歧义

Question

我正在编写一个 Pyparsing 语法来将 Creole markup 转换为 HTML。我被卡住了，因为尝试解析这两个结构时存在一些冲突：

图片链接：{{image.jpg|title}}
忽略格式：{{{text}}}

我解析图片链接的方式如下（注意这个转换得很好）：

def parse_image(s, l, t):
    try:
        link, title = t[0].split("|")
    except ValueError:
        raise ParseFatalException(s,l,"invalid image link reference: " + t[0])
    return '<img src="{0}" alt="{1}" />'.format(link, title)

image = QuotedString("{{", endQuoteChar="}}")
image.setParseAction(parse_image)

接下来，我写了一条规则，这样当遇到 {{{text}}} 时，只需返回左大括号和右大括号之间的内容而不进行格式化：

n = QuotedString("{{{", endQuoteChar="}}}")
n.setParseAction(lambda x: x[0])

但是，当我尝试运行以下测试用例时：

text = italic | bold | hr | newline | image | n
print text.transformString("{{{ //ignore formatting// }}}")

我得到以下堆栈跟踪：

Traceback (most recent call last):
File "C:\Users\User\py\kreyol\parser.py", line 36, in <module>
print text.transformString("{{{ //ignore formatting// }}}")
File "C:\Python27\lib\site-packages\pyparsing.py", line 1210, in transformString
raise exc
pyparsing.ParseFatalException: invalid image link reference: { //ignore formatting//  (at char 0), (line:1, col:1)

据我了解，解析器首先遇到 {{ 并尝试将文本解析为图像而不是没有格式化的文本。我该如何解决这种歧义？

Answer 1

问题在于这个表达式：

text = italic | bold | hr | newline | image | n

Pyparsing 严格从左到右工作，没有前瞻。使用“|”运算符，您构造一个 pyparsing MatchFirst 表达式，它将匹配所有备选方案的 first 匹配项，即使后面的匹配项更好。

您可以改为使用“^”运算符将评估更改为使用“最长匹配”：

text = italic ^ bold ^ hr ^ newline ^ image ^ n

这将有性能损失，因为每个表达式都经过测试，即使没有更好匹配的可能性。

更简单的解决方案是重新排序备选列表中的表达式：在image 之前测试n：

text = italic | bold | hr | newline | n | image

现在在评估备选方案时，它将在 image 的前导 {{ 之前查找 n 的前导 {{{。

当人们定义数字术语时经常会出现这种情况，并且不小心定义了以下内容：

integer = Word(nums)
realnumber = Combine(Word(nums) + '.' + Word(nums))
number = integer | realnumber

在这种情况下，number 永远不会匹配realnumber，因为前导整数部分将被解析为整数。与您的情况一样，解决方法是使用“^”运算符，或者只是重新排序：

number = realnumber | integer